HAL Id: tel-00517822
https://tel.archives-ouvertes.fr/tel-00517822
Submitted on 15 Sep 2010
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
réduites pour dispositifs mobiles
Mohammed Belatar
To cite this version:
Mohammed Belatar. Saisie de texte en contexte dégradé sur interfaces réduites pour dispositifs mo- biles. Interface homme-machine [cs.HC]. Université de Bretagne Sud; Université Européenne de Bre- tagne, 2009. Français. �tel-00517822�
THESE
sous le sceau de : l’Université Européenne de Bretagne
pour obtenir le titre de : DOCTEUR DE L’UNIVERSITÉ DE BRETAGNE-SUD
Mention : Sciences et Technologies de l’Information et de la Communication / Informatique et Applications
présentée par
Mohammed Belatar
Préparée au laboratoire VALORIA, EA2593 É
Éccoollee DDooccttoorraallee SSaannttéé,, IInnffoorrmmaattiioonn--CCoommmmuunniiccaattiioonnss,, MMaatthhéémmaattiiqquueess eett MMaattiièèrree
Saisie de texte en contexte dégradé sur interfaces réduites pour dispositifs mobiles
Thèse soutenue le 19 janvier 2009 devant le jury composé de :
Benoît MARTIN
Maitre de Conférence (HDR), Université de Metz / rapporteur Christophe KOLSKI
Professeur, Université de Valenciennes / rapporteur Jean-Yves ANTOINE
Professeur, Université de Tours / examinateur Jean-Paul DEPARTE
Ingénieur, Centre Mutualiste de Rééducation et de Réadaptation Fonctionnelle de Kerpape / invité Franck POIRIER
Professeur, Université de Bretagne-Sud / Directeur de thèse
يملأ ،
، يبلأ
، يتوخلأ هذه هاروتكدلا ةحوزطُأ يدهُأ .
À ma mère, À mon père, À ma sœur, À mes frères,
Je dédie affectueusement ma thèse.
Remerciements
Je tiens à remercier tous les membres du jury pour m'avoir fait l'honneur d'accepter d'évaluer ce travail de thèse.
Je remercie en particulier mes rapporteurs, Benoît Martin et Christophe Kolski pour les remarques concrètes qu'ils m'ont faites sur les premières « moutures » de mon mémoire de thèse.
Je remercie également Jean-Yves Antoine, d'avoir accepté d'être examinateur et président du jury.
Je suis particulièrement reconnaissant envers Jean-Paul Départe pour les remarques qu'il m'a faites au cours de notre première entrevue, et qui m'ont permis d'avancer dans l'adaptation de mon travail pour les personnes handicapées. Je le remercie aussi pour les moyens qu'il a mis à ma disposition pour pouvoir évaluer une partie de mon travail de thèse au Centre Mutualiste de Rééducation et de Réadaptation Fonctionnelles de Kerpape.
Je remercie bien sûr Franck Poirier, d'une part pour les longues discussions de travail que nous avons eues et grâce auxquelles j'ai pu avancer dans mon projet, et d'autre part pour la chaleur de son encadrement. Je le remercie spécialement pour la lucidité des jugements qu'il a portés à de nombreuses reprises sur mes idées et sur mon travail de réalisation. Ces jugements et les conseils assortis m'ont largement aiguillé sur la voie que j'ai empruntée.
Je remercie également mes collègues et mes amis pour le soutien qu'ils m'ont témoigné, dans les moments les plus difficiles de ma thèse.
Finalement, je remercie ma famille, entre autres pour m'avoir soutenu moralement et financièrement tout au long de mes études. En particulier, j'embrasse ma mère et mon père.
Résumé
Cette thèse concerne l‟entrée de texte sur les systèmes interactifs mobiles. En particulier une méthode appelée UniGlyph a été conçue. Cette méthode se veut indépendante du système utilisé (assistant numérique, smartphone, GPS…) et utilisable aussi bien par des personnes valides que par des personnes handicapées. Le principe d‟UniGlyph consiste à minimiser le nombre de touches utilisées pour la saisie de texte afin d‟avoir un clavier de petite taille avec des touches raisonnablement dimensionnées tout en assurant une saisie facile, rapide et confortable. Pour faciliter la saisie, UniGlyph se base sur une analogie scripturale aux caractères romains en majuscules avec une décomposition des caractères en formes primitives. Ensuite, pour assurer une bonne vitesse de saisie, UniGlyph offre un bon dimensionnement des touches en accord avec la loi de Fitts. Finalement, pour réduire l‟effort moteur de l‟utilisateur, UniGlyph permet de saisir du texte avec un seul appui de touche par caractère comme sur un clavier d‟ordinateur de bureau. UniGlyph permet de saisir du texte avec seulement trois touches associées à des formes de base et permet une saisie de niveau mot grâce à un système de désambigüisation lexicale comme, par exemple, le clavier téléphonique T9.
Outre la conception de méthode de saisie UniGlyph, ce mémoire présente deux implémentations de cette méthode sur assistant numérique (PDA). L‟une pour les personnes valides et l‟autre pour les personnes handicapées. Pour ces dernières, nous avons privilégié de réaliser une solution adaptée aux handicaps moteurs lourds vu le manque de solutions destinées à cette catégorie d‟utilisateurs et le grand intérêt de leur rendre accessible les systèmes d‟infocommunication mobiles. Les deux implémentations présentées dans ce mémoire ont été évaluées respectivement par des utilisateurs valides au sein du laboratoire VALORIA et par une personne avec le syndrome d‟enfermement (Locked-In Syndrome) au Centre Mutualiste de Rééducation et Réadaptation Fonctionnelle de Kerpape. Les résultats des évaluations sont très encourageants et ce nouveau mode d‟écriture a suscité un grand intérêt chez les utilisateurs.
Abstract
This thesis is about text entry on mobile interactive systems. In particular, a new input method called UniGlyph was designed. This method is device independent (PDA, Smartphone, GPS ...) and can be used by both able-bodied and people with motor impairments. The principle of UniGlyph is to minimize the number of keys used for typing text in order to have a small keyboard with reasonably sized keys while ensuring easy, fast and comfortable text input.
To facilitate the text input, UniGlyph uses analogy to the Roman capital letters with a decomposition of the characters into basic shapes called “primitives”. Then, to ensure high input rates, UniGlyph provides well sized keys according to Fitts‟ law. Finally, to reduce the requested motor effort, UniGlyph allows typing text with only one keystroke per character like a desktop keyboard. Only three keys are used, each one is labeled by two primitives. UniGlyph allows a word-level entry through a lexical disambiguation system, like the T9 text entry on mobile phone keypad.
In addition to the design of UniGlyph, this thesis presents two implementations of this method on digital assistant (PDA). The first is for the able-bodied and the second is for people with disabilities. For the latter, we preferred to provide a solution for users with severe motor disabilities due to the lack of solutions for this type of users and the general interest of making these mobile communication devices accessible to them. The two implementations presented in this thesis were evaluated by able-bodied users in the VALORIA laboratory and by a person with the Locked-In Syndrome in the Functional Rehabilitation Center of Kerpape (Centre Mutualiste de Rééducation et Réadaptation Fonctionnelles de Kerpape). The evaluation results are very interesting and this new way of writing has aroused great interest among users.
Sommaire
SOMMAIRE ... 1
TABLES DES ILLUSTRATIONS ... 5
INTRODUCTION ... 9
I. LA SAISIE DE TEXTE SUR DISPOSITIFS MOBILES ... 13
1.INTRODUCTION ... 13
2.MÉTRIQUES D’ÉVALUATION DE LA SAISIE DE TEXTE ... 14
2.1. Métriques liées à la vitesse : CPS et WPM ... 14
2.1.1. Les lois de Fitts et de Hick-Hyman ... 15
2.1.2. Le Keystroke-Level Model ... 18
2.2. Métriques liées à l’effort ... 20
2.2.1. Le nombre de clics/gestes ... 20
2.2.2. Les taux d’erreurs ... 21
2.3. Autre métriques ... 23
3.ÉTAT DE L’ART DES MÉTHODES DE SAISIE EN MOBILITÉ ... 24
3.1. Méthodes à touches physiques ... 25
3.1.1. Le clavier téléphonique T9 ... 25
3.1.2. Le clavier Q12 ... 26
3.1.3. CyKey ... 27
3.1.4. EQx ... 28
3.2. Méthodes à interface tactile ... 29
3.2.1. Les claviers logiciels complets... 29
3.2.2. Écriture manuscrite ... 35
3.2.3. ShapeWriter ... 35
3.2.4. Claviature ... 36
3.2.5. PNLH Multitap ... 37
3.2.6. VirHKey ... 38
3.2.7. TUP ... 39
3.2.8. Circumscript ... 39
3.2.9. EasyStroke ... 40
3.2.10. FreePad ... 41
3.2.11. 7SI ... 41
3.3. Méthodes à détection de l’inclinaison ... 42
3.3.1. Unigesture ... 42
3.3.2. TiltType ... 43
3.3.3. TiltText ... 43
3.3.4. Hex ... 43
3.3.5. UniGest ... 44
4.LA SAISIE DE TEXTE POUR PERSONNES HANDICAPÉES ... 45
4.1. Méthodes pour handicap visuel ... 45
4.2. Méthodes pour handicap moteur ... 46
4.2.1. Saisie analogique ... 46
4.2.2. Saisie par désignation de cibles ... 49
4.3. Systèmes de communication palliative ... 51
5.CONCLUSION ... 53
II. LA SAISIE ANALOGIQUE À PRIMITIVES ... 55
1.INTRODUCTION ... 55
2.MÉTHODES EXISTANTES ... 55
2.1. Symbol Creator ... 56
2.2. HandyScript ... 57
2.3. Neopad... 58
3.GLYPH, UNE SAISIE À SIX PRIMITIVES ... 59
4.GLYPH2, L’AMÉLIORATION ... 61
5.GLYPH2 POUR POCKET PC ... 63
6.CONCLUSION ... 66
III. UNIGLYPH : UNE MÉTHODE DE SAISIE « OPTIMALE »... 67
1.INTRODUCTION ... 67
2.UNE MÉTHODE « OPTIMALE » ... 68
2.1. Règles de conception ... 68
2.2. Mise en œuvre ... 69
3.ÉTUDES AU PRÉALABLE ... 72
3.1. Étude statistique ... 72
3.2. Évaluation expérimentale ... 74
4.LE CLAVIER UNIGLYPH SUR PDA ... 80
4.1. Description ... 80
4.1.1. L’interface et l’utilisation du clavier... 80
4.1.1.1. Les éléments de l’interface ... 80
4.1.1.2. Les modes du clavier ... 82
4.1.1.3. La configuration du clavier ... 86
4.1.2. L’architecture logicielle du clavier ... 90
4.1.2.1. L’architecture générale ... 90
4.1.2.2. La désambigüisation et la prédiction ... 92
4.2. Évaluations... 97
4.2.1. Prédiction théorique des performances ... 97
4.2.2. Évaluation utilisateur ... 99
4.2.2.1. Protocole de l’évaluation ... 99
4.2.2.2. Résultats et discussions ... 103
5.AUTRES IMPLÉMENTATIONS ... 109
6.CONCLUSION ... 109
IV. HANDIGLYPH : L’ADAPTATION D’UNIGLYPH POUR HANDICAP MOTEUR LOURD ... 111
1.INTRODUCTION ... 111
2.PRINCIPES ET INTERFACES ... 112
2.1. Principes ... 112
2.2. Interface du clavier ... 113
2.3. Interface de configuration ... 115
3.ÉVALUATION D’HANDIGLYPH AVEC UNE PERSONNE HANDICAPÉE ... 118
3.1. Matériel et application expérimentale ... 118
3.2. Protocole de l’expérience ... 119
3.3. Résultats et discussions... 120
3.3.1. L’effort ... 120
3.3.2. Le taux d’erreurs ... 122
3.3.3. Les données relatives au temps ... 122
3.3.4. La satisfaction de l’utilisateur ... 124
4.CONCLUSION ... 125
CONCLUSIONS ET PERSPECTIVES ... 127
RÉFÉRENCES ... 131
ANNEXES ... 143
ANNEXE 1 :TABLE DES CARACTÈRES EDGEWRITE ... 145
ANNEXE 2 :TABLES DES CARACTÈRES GLYPH ... 146
ANNEXE 3 :RÉSULTATS STATISTIQUES DES DIFFÉRENTES COMBINAISONS DE PRIMITIVES SUR LES TOUCHES. ... 147
ANNEXE 4 :STRUCTURE GLOBALE DE UNIGLYPHLIB ... 148
ANNEXE 5 :STRUCTURE GLOBALE DE HANDIGLYPHLIB ... 149
ANNEXE 6 :LISTE DES PHRASES UTILISÉES DANS LES ÉVALUATIONS ... 150
ANNEXE 7 :FICHE DE PRÉSENTATION DES ÉVALUATIONS ... 153
ANNEXE 8 :FICHE DE PRÉSENTATION DU CLAVIER UNIGLYPH ... 155
ANNEXE 9 :FICHE DE PRÉSENTATION DU CLAVIER PHRAZE-IT ... 157
ANNEXE 10 :FICHE DE PRÉSENTATION DU CLAVIER 4-KEY EDGEWRITE ... 159
ANNEXE 11 :FICHE DE PRÉSENTATION DE HANDIGLYPH ... 161
Tables des illustrations
Table des figures
FIGURE I-1.LES EXPÉRIENCES MENÉES PAR FITTS ET QUI ONT DONNÉ NAISSANCE À SA LOI. ... 15
FIGURE I-2.LA PREMIÈRE EXPÉRIENCE MENÉE PAR HICK QUI A DONNÉ NAISSANCE À LA LOI DE HICK-HYMAN APRÈS LES TRAVAUX DE HYMAN. ... 17
FIGURE I-3.ALGORITHME POUR CALCULER LA DISTANCE DE LEVENSHTEIN.EXEMPLE AVEC LES DEUX CHAÎNES DE CARACTÈRES « ABCD » ET « ACBD ». ... 22
FIGURE I-5.LE CLAVIER Q12CLASSIC AVEC SON ORGANISATION ALPHABÉTIQUE ET LE CLAVIER Q12COMPUTER AVEC SON ORGANISATION QWERTY... 27
FIGURE I-6.LE CLAVIER CYKEY, SON ANCÊTRE ET SA TABLE DE CARACTÈRES... 28
FIGURE I-7.EXEMPLES DE CLAVIERS EQX. ... 29
FIGURE I-8.EXEMPLES DE CLAVIERS LOGICIELS OPTIMISÉS PAR AGENCEMENT. ... 34
FIGURE I-9.L’INTERFACE DE CLAVIATURE.EXEMPLE DE LA SAISIE DE LA LETTRE ‘A’. ... 37
FIGURE I-10.L’INTERFACE DU PROTOTYPE DU CLAVIER MULTITAP PNLH. ... 37
FIGURE I-11.L’ALPHABET VIRHKEY.LE CARACTÈRE ESPACE CORRESPOND À UN SIMPLE CLIC, LES VOYELLES CORRESPONDENT À UN GESTE SIMPLE ET LES AUTRES LETTRES CORRESPONDENT À DES GESTES COMPOSÉS.CERTAINES LETTRES SONT ACCESSIBLES PAR DIFFÉRENTS CHEMINS. ... 38
FIGURE I-12.EXEMPLE DE LA SAISIE DE LA LETTRE ‘Q’ AVEC LA MÉTHODE VIRHKEY. ... 38
FIGURE I-13.ORGANISATION DES CARACTÈRES AUTOUR DE LA MOLETTE TACTILE. ... 39
FIGURE I-14.LA MÉTHODE DE SAISIE CIRCUMSCRIPT.EXEMPLE DE LA SAISIE DU MOT « BONJOUR ». ... 40
FIGURE I-15.LA LISTE DES PRIMITIVES ET LA CARTE DES CARACTÈRES EASYSTROKE. ... 40
FIGURE I-16.LE PRINCIPE DE L’ÉCRITURE AVEC FREEPAD. ... 41
FIGURE I-17.L’ALPHABET 7SI. ... 41
FIGURE I-18.MÉTHODES DE SAISIE PAR DÉTECTION DE L’INCLINAISON. ... 42
FIGURE I-19.L’INTERFACE DE LA MÉTHODE DE SAISIE HEX.UNE GRILLE D’HEXAGONES ÉTENDUE À L’INFINI. ... 44
FIGURE I-20.L’ALPHABET UNIGEST ET LE JEU DE PRIMITIVES ASSOCIÉ. ... 44
FIGURE I-21.CARTE DE CARACTÈRES SIMPLIFIÉE ET DIFFÉRENTES IMPLÉMENTATIONS D’EDGEWRITE. ... 48
FIGURE I-22.WEEGIE : EXEMPLES DE SAISIE DES LETTRES ‘A’,‘B’,‘C’ ET ‘H’(RESPECTIVEMENT DE GAUCHE À DROITE). ... 49
FIGURE I-23.DASHER, LES DERNIÈRES LETTRES SÉLECTIONNÉES SONT ‘R’,‘E’ ET ESPACE. ... 50
FIGURE I-24.HEX-O-SPELL, SAISIE AVEC UNE INTERFACE CERVEAU-ORDINATEUR.EXEMPLE DE LA SAISIE DE LA LETTRE ‘N’. ... 50
FIGURE I-25.KECOM, POUR LA SAISIE DE TEXTE À UN SEUL BOUTON POUSSOIR SUR PDA... 53
FIGURE II-1.SYMBOL CREATOR, UNE MÉTHODE DE SAISIE ANALOGIQUE PAR DÉCOMPOSITION DES CARACTÈRES. ... 56
FIGURE II-2.HANDYSCRIPT, UNE MÉTHODE ANALOGIQUE À ONZE PRIMITIVES. ... 57
FIGURE II-3.NEOPAD, UNE MÉTHODE ANALOGIQUE À DIX PRIMITIVES. ... 58
FIGURE II-4.TABLE DES CARACTÈRES ALPHABÉTIQUES ET NUMÉRIQUES GLYPH. ... 61
FIGURE II-5.DIFFÉRENTES IMPLÉMENTATIONS POSSIBLES DE GLYPH. ... 61
FIGURE II-6.LE CODAGE DES CARACTÈRES ALPHABÉTIQUES ET NUMÉRIQUE AVEC GLYPH2. ... 62
FIGURE II-7.L’INTERFACE PRINCIPALE DE GLYPH2PPC. ... 64
FIGURE II-8.EXEMPLE DE LA SAISIE DE LA LETTRE ‘X’ AVEC LES DIFFÉRENTS MODES DE SAISIE DE GLYPH2PPC. ... 64
FIGURE II-9.ACCÈS AUX DIFFÉRENTS MODES ET FONCTIONS VIA LE MODE DE COMMANDE. ... 65
FIGURE III-1.SCHÉMA DU PRINCIPE ET DES BASES DE LA CONCEPTION D’UNIGLYPH. ... 70
FIGURE III-2.ANALOGIE AUX CARACTÈRES MANUSCRITS EN MINUSCULES. ... 74
FIGURE III-3.ANALOGIE AUX CARACTÈRES IMPRIMÉS EN MAJUSCULES. ... 74
FIGURE III-4.FRÉQUENCES DES LETTRES DANS LES 22 MOTS DE NOTRE CORPUS PAR RAPPORT AUX FRÉQUENCES DES LETTRES DANS LA LANGUE FRANÇAISE. ... 75
FIGURE III-5.APPLET D’ÉVALUATION DE L’ANALOGIE MINUSCULE.EXEMPLE DE LA SAISIE DU MOT « RAPPELER » AVEC UNE ERREUR SUR LA LETTRE ‘L’... 76
FIGURE III-6.APPLET D’ÉVALUATION DE L’ANALOGIE MAJUSCULE.EXEMPLE DE LA SAISIE DU MOT « REMPLIR ». ... 76
FIGURE III-7.COMPARAISON DES TAUX DE CORRECTIONS PAR LETTRE AVEC LES DEUX SOLUTIONS PROPOSÉES. ... 78
FIGURE III-8.TAUX D’ERREURS SUR LES TROIS PREMIÈRES SESSIONS. ... 79
FIGURE III-9.INTERFACE PRINCIPALE DU CLAVIER UNIGLYPH SUR PDA. ... 81
FIGURE III-10.LE SYMBOLE DE LA TOUCHE DE COMMANDE SUR DIFFÉRENTES MÉTHODES DE SAISIE. ... 81
FIGURE III-11.LES DIFFÉRENTS MODES DU CLAVIER UNIGLYPH. ... 82
FIGURE III-12.LE FEEDBACK LORS DE LA SAISIE.EXEMPLE DE LA SAISIE DE LA PHRASE « J’AI DIT BONJOUR », LE MOT EN COURS DE SAISIE EST « BONJOUR », L’UTILISATEUR A DÉJÀ EFFECTUÉ 5 APPUIS SUR LES TOUCHES DE PRIMITIVES, IL LUI RESTE À EFFECTUER LES APPUIS CORRESPONDANTS AUX LETTRES ‘U’ ET ‘R’. ... 84
FIGURE III-13.FENÊTRE D’AJOUT DE NOUVEAUX MOTS DANS LE DICTIONNAIRE.EXEMPLE DE L’ENTRÉE « MOHAMMED ». ... 85
FIGURE III-14.REPRÉSENTATION DES CHIFFRES EN UNE À DEUX PRIMITIVES. ... 85
FIGURE III-15.REPRÉSENTATION DES CHIFFRES EN UNE SEULE PRIMITIVE. ... 86
FIGURE III-16.L’OPTION DES COMMANDES GESTUELLES. ... 88
FIGURE III-17.LE MODE DE COMMANDE ACCÉDÉ PAR UN APPUI LONG SUR LA TOUCHE DE COMMANDE. ... 88
FIGURE III-18.UTILISATION DES TOUCHES PHYSIQUES DU PAVÉ DIRECTIONNEL. ... 89
FIGURE III-19.AFFICHAGE DES LETTRES SUR LES TOUCHES DE PRIMITIVES. ... 89
FIGURE III-20.ARCHITECTURE GLOBALE DE LA DLLUNIGLYPHLIB. ... 91
FIGURE III-21.REPRÉSENTATION DU DICTIONNAIRE EN ARBRE DE SEGMENTS. ... 94
FIGURE III-22.LES DIMENSIONS DU CLAVIER UNIGLYPH. ... 98
FIGURE III-23.LES DEUX CLAVIERS ÉVALUÉS AVEC UNIGLYPH. ... 100
FIGURE III-24.PROTOTYPES DE L’ÉVALUATION. ... 102
FIGURE III-25.NOMBRE MAXIMAL DE MOTS SAISIS PAR MINUTE (WPM) PAR PARTICIPANT. ... 103
FIGURE III-26.NOMBRE MOYEN DE MOTS SAISIS PAR MINUTE (WPM) PAR SESSION... 104
FIGURE III-27.NOMBRE MOYEN D’APPUIS PAR CARACTÈRE (KSPC) PAR SESSION. ... 105
FIGURE III-28.TAUX D’ERREURS MOYEN OBTENU AVEC CHACUNE DES TROIS MÉTHODES. ... 106
FIGURE III-29.AVIS DES PARTICIPANTS SUR LES TROIS MÉTHODES À L’ISSUE DE LA CINQUIÈME SESSION. ... 108
FIGURE III-30.ÉVOLUTION DE LA NOTATION DE CHAQUE MÉTHODE AU LONG DE L’EXPÉRIENCE. ... 108
FIGURE III-31.EXEMPLES DE PDA, DE TÉLÉPHONE MOBILE ET DE SMARTPHONE ÉQUIPÉS DE DIFFÉRENTS TYPES DE MOLETTES QUI PEUVENT ÊTRE EXPLOITÉES PAR UNIGLYPH... 109
FIGURE IV-1.LE CLAVIER HANDIGLYPH EST COMPOSÉ DE 4 TOUCHES ET DE DEUX ZONES D'AFFICHAGE ET DE SÉLECTION. ... 113
FIGURE IV-2.DANS LE MODE DE COMMANDE, LES TOUCHES DE PRIMITIVES DEVIENNENT DES TOUCHES DE FONCTIONS ET LA ZAS DU MILIEU PERMET D’ACCÉDER AUX AUTRES MODES. ... 114
FIGURE IV-3.DANS LA FENÊTRE DE CONFIGURATION DE HANDIGLYPH, LES DIFFÉRENTES OPTIONS SONT BALAYÉES EN CONTINUE. .. 115
FIGURE IV-4.LA SOURIS BLUETOOTH ÉQUIPÉE D’UN CONNECTEUR POUR BRANCHER LE CONTACTEUR UTILISÉ PAR LE TESTEUR. ... 119
FIGURE IV-5.COPIE D’ÉCRAN DU PROTOTYPE EXPÉRIMENTAL. ... 120
FIGURE IV-6.NOMBRE D’APPUIS PAR CARACTÈRE SUR CINQ SESSIONS. ... 121
FIGURE IV-7.LES TAUX D’ERREURS RÉSIDENTIELLES DANS LE TEXTE TRANSCRIT. ... 122
FIGURE IV-8.ÉVOLUTION DE LA VITESSE DU BALAYAGE. ... 122
FIGURE IV-9.POURCENTAGES DU TEMPS PASSÉ SUR LES ZAS PAR RAPPORT AU TEMPS TOTAL DE LA TÂCHE DE SAISIE. ... 123
FIGURE IV-10.POURCENTAGES DES MOTS TROUVÉS DANS CHAQUE LISTE. ... 123
Table des tableaux
TABLEAU I-1.AUTRES MÉTRIQUES UTILISÉES POUR L’ÉVALUATION DES MÉTHODES DE SAISIE DE TEXTE. ... 24TABLEAU I-2.EXEMPLES DE CLAVIERS LOGICIELS OPTIMISÉS PAR AGENCEMENT. ... 33
TABLEAU I-3.COMPARAISON DES MÉTHODES SHAPEWRITER,UNISTROKES ET GRAFFITI EN TERMES DE « GESTURE PRODUCTION TIME ». ... 36
TABLEAU II-1.LES SIX PRIMITIVES DE FORMES DANS LA DÉCOMPOSITION GLYPH. ... 60
TABLEAU II-2.DÉCOMPOSITION DES LETTRES ‘G’ ET ‘H’ EN PRIMITIVES GLYPH. ... 60
TABLEAU II-3.LES PHRASES UTILISÉES POUR L’ÉVALUATION DU CLAVIER GLYPH2PPC... 65
TABLEAU III-1.EXEMPLES DE JEUX DE PRIMITIVES ET DE TOUCHES ÉTUDIÉS. ... 73
TABLEAU III-2.LISTE DES MOTS UTILISÉS DANS L’ÉVALUATION PRÉLIMINAIRE EN LIGNE. ... 74
TABLEAU III-3.RÉSUMÉ DES PROFILS DES PARTICIPANTS. ... 77
TABLEAU III-4.RÉPARTITION DES PARTICIPATIONS PAR APPLET ET PAR SESSION. ... 77
TABLEAU III-5.LES COMMENTAIRES DES PARTICIPANTS (AUTHENTIQUEMENT RECOPIÉS). ... 79
TABLEAU III-6.STRUCTURE DE L’INTERFACE DE COMMUNICATION DE L’APPLICATION AVEC LE CLAVIER. ... 91
TABLEAU III-7.RÉSULTATS DE LA SIMULATION DES TROIS SYSTÈMES DE PRÉDICTION. ... 97
TABLEAU III-8.PROBABILITÉS DES SUCCESSIONS DE TOUCHES. ... 98
TABLEAU III-9.EXEMPLES DE PHRASES DU CORPUS DE L’ÉVALUATION. ... 101
TABLEAU III-10.LE FORMULAIRE D’ÉVALUATION DE LA SATISFACTION DES UTILISATEURS. ... 107
TABLEAU III-11.RÉSULTATS DES QUESTIONNAIRES DE SATISFACTION... 107
TABLEAU IV-1.LE FORMULAIRE D’ÉVALUATION DU NIVEAU DE SATISFACTION DE L’UTILISATEUR... 124
Introduction
Le nombre de SMS échangés ne cesse d‟augmenter avec l‟explosion du nombre de téléphones mobiles. En 2002, la distribution du nombre de téléphones mobiles sur la population mondiale était de 59,3 par 100 personnes. 360 milliards de SMS ont été échangés dans le monde durant cette année avec une moyenne mensuelle de 30 milliards de SMS. Ces chiffres évoluent très rapidement avec l‟évolution démographique, la progression de la technologie et l‟accessibilité des prix. Le nombre d‟abonnés à la téléphonie mobile est estimé à 3,25 milliards en 2007 ce qui correspond à 50% de la population mondiale avec une croissance annuelle de 25% constatée entre 2006 et 2007.
Pour l‟année 2008, l‟Union Internationale des Télécommunications1 prévoit plus de 4 milliards d‟abonnés à la téléphonie mobile. Le nombre de SMS échangés dans le monde est estimé à 2 300 milliards cette année2.
Les SMS ne représentent qu‟une petite partie du texte que saisit un utilisateur sur un dispositif d‟infocommunication mobile. Ces dernières années, l‟internet mobile a eu une progression phénoménale avec l‟explosion des téléphones « intelligents » (Smartphones) et de la diversification de la connectivité en technologies 3G, GPRS et WiFi. Selon l‟Association Française du Multimédia Mobile3, 25% des possesseurs de téléphones mobiles en France âgés entre 15 et 50 ans sont des internautes mobiles (mobinautes) et 41,1% des possesseurs d‟un téléphone mobile ont désormais la possibilité d‟accéder à Internet. Cela conduit à de nouvelles utilisations du téléphone mobile sollicitant beaucoup plus la saisie de texte comme la navigation sur Internet (remplissage de formulaire, saisie d‟adresses web…), l‟envoi de courriels et la discussion instantanée.
La saisie de texte est donc devenue un des grands challenges de la téléphonie mobile.
De nombreuses méthodes de saisie de texte ont été développées ces dernières années.
Ces nouvelles méthodes cherchent à réduire la pénibilité et le nombre d‟erreurs, à augmenter la vitesse de la saisie et à libérer plus d‟espace sur, ou pour l‟écran de l‟appareil mobile (respectivement dans le cas d‟un clavier logiciel et dans le cas d‟un clavier physique). Pour la plupart, ceux-ci restent toutefois fort mal adaptés aux petites dimensions des téléphones mobiles, surtout lorsque les concepteurs reviennent au clavier classique AZERTY (ou QWERTY) pour faciliter la saisie (voir les exemples dans la figure qui suit).
1 Union International des Télécommunications, site web : www.itu.int/
2 Agence de recherche et de consultation en technologies d‟information, www.gartner.com/
3 Association Française du Multimédia Mobile, « Résultats étude AFFM : les services mobiles », www.pro.gallery.fr/
Les téléphones mobiles avec toutes leurs déclinaisons (téléphone intelligent, PDA phone, …) ne sont pas les seuls dispositifs mobiles qui rencontrent cette problématique de la saisie de données. Plusieurs autres types de dispositifs mobiles ont émergé ces dix dernières années. La figure ci-dessous montre quelques exemples de dispositifs mobiles qui requièrent une entrée de texte.
Dans ce contexte, nous étudions dans cette thèse la possibilité de concevoir une méthode de saisie de texte indépendante du dispositif selon un principe « learn once, write everywhere » [Wobbrock et al., 2005] tout en respectant tous les critères et les limitations imposées par ce genre de dispositifs mobiles à petites dimensions et à faibles ressources.
Un autre aspect aussi important que nous traitons dans cette thèse est l‟accessibilité de ces dispositifs aux personnes handicapées. En effet, ces dispositifs électroniques peuvent leur être d‟une grande utilité car ils leur offrent une plus grande autonomie que ne le ferait un ordinateur de bureau. Nous nous concentrons surtout sur les personnes lourdement handicapées ayant perdu l‟usage de la parole tout en ayant perdu la plupart de leurs contrôles moteurs (tétraplégiques, locked-in syndromes, infirmes moteurs cérébraux…). Jusqu‟à maintenant, très peu de solutions ont été proposées à cette catégorie d‟utilisateurs.
Ce mémoire commence donc par une première partie où nous effectuons un examen attentif des méthodes de saisie déjà existantes pour relever les problèmes de chacune et le manque de solutions de saisie de texte pour les personnes ayant un handicap moteur lourd. Ensuite, dans un deuxième chapitre, nous nous penchons sur les méthodes de saisie analogiques consistant à décomposer les caractères en formes de base et principalement sur la méthode Glyph développée dans notre laboratoire et finalisée au début de cette thèse. Les deux chapitres suivants détaillent notre contribution, le
Lecteur de livres
électroniques et vidéos Console de jeux
Récepteur GPS
Lecteur
multimédia Télécommande
Montre multimédia
Exemples de dispositifs mobiles nécessitant une entrée de texte.
Exemples de claviers sur des téléphones mobiles et assistants numériques.
Nokia 6822 et Nokia 9500 Comunicator
Apple iPhone Sony Ericsson
P990 Siemens SK65
premier concerne l‟analyse et la conception d‟une nouvelle méthode de saisie ainsi que son implémentation sur un dispositif mobile et son évaluation avec des personnes valides, le dernier chapitre porte sur une adaptation de cette méthode pour les personnes handicapées.
I. La saisie de texte sur dispositifs mobiles
Chapitre I
La saisie de texte sur dispositifs mobiles
Résumé
1. Introduction
Un grand nombre de difficultés relatives à l‟entrée de texte ont émergé avec le développement de l‟informatique mobile. La majorité de ces problèmes est due aux dimensions de plus en plus réduites de ces dispositifs et aux conditions instables de leur utilisation. Si un ordinateur personnel traditionnel ne peut être utilisé que sur un bureau, un ordinateur portable est fréquemment utilisé sur les genoux, par exemple dans les transports. Un ordinateur de poche quant à lui, comme un téléphone mobile, peut être utilisé dans des conditions encore plus variées (assis, debout, en marchant …).
Le clavier AZERTY (physique ou virtuel) n‟est plus adapté à ces nouveaux modes d‟utilisation à cause de son nombre important de touches qui induit à une surface de grande dimension. Dans un premier temps, des techniques de saisie basées sur la reconnaissance de caractères ou de formes ont été développées (Block Recognizer, Transcriber, Graffiti® …). Ces techniques sont généralement lentes et présentent des taux d‟erreur importants [Sears et Arora, 2002 ; Bouteruche et al., 2005] dus à la variabilité de l‟écriture et aux performances limitées des algorithmes de reconnaissance.
Ensuite, d‟autres méthodes de saisie ont été développées pour répondre aux exigences de la saisie en mobilité mais aucune n‟est actuellement totalement satisfaisante.
Pour donner au lecteur une idée de la multitude des méthodes qui ont été élaborées au fil des dernières années et de leurs performances, nous en présentons brièvement quelques unes dans ce chapitre que nous avons choisies soit parce qu‟elles sont nouvelles et donc peu ou non référencées dans les ouvrages et les thèses déjà publiées, soit parce qu‟elles constituent des références incontournables dans le domaine. Nous commençons par étudier les principales métriques et techniques d‟évaluation des méthodes de saisie de texte. Ensuite, nous décrivons brièvement les méthodes sélectionnées en indiquant
Ce chapitre constitue un état de l’art des entrées de texte sur les dispositifs électroniques mobiles comme les téléphones et les assistants numériques. Vu le grand nombre de méthodes de saisie existantes, nous nous focalisons sur les méthodes les plus récentes tout en étudiant certaines des méthodes les plus classiques. Le chapitre commence par une étude des métriques les plus utilisées pour l’évaluation de ces méthodes et se termine par une étude des méthodes destinées aux personnes handicapées.
leurs points forts et leurs faiblesses. À la fin du chapitre nous étudions les méthodes de saisie sur dispositifs mobiles adaptées aux utilisateurs handicapés.
2. Métriques d’évaluation de la saisie de texte
Les dispositifs de saisie de texte représentent une partie de l‟interface humain- machine. La plupart des règles de conception et recommandations ergonomiques en IHM sont applicables pour l‟entrée de texte, mais il est important de considérer les métriques qui sont spécifiques ou plus adaptées à l‟entrée de texte. Nous considérons ici les principales métriques qui permettent de quantifier les performances d‟une méthode de saisie et classifions ces métriques en deux catégories selon la nature de l‟élément de performance quantifié.
2.1. Métriques liées à la vitesse : CPS et WPM
Le CPS (Character Per Second) permet généralement de quantifier la vitesse d‟une entrée ou d‟une sortie de type textuel comme les imprimantes matricielles ou à marguerite par exemple. 1 CPS est approximativement l‟équivalent de 10 bits par seconde (bit/s) dans les communications asynchrones et 8 bit/s dans les cas de communications synchrones [Grenier, 2000] vu qu‟un caractère peut être codé en 8 bits et que la communication asynchrone nécessite des informations supplémentaires pour délimiter l‟information transmise.
Dans le domaine de la saisie de texte, le CPS désigne le nombre de caractères saisis par seconde. Il est calculé en divisant la longueur du texte entré par la durée de la saisie en seconde comme le montre l‟équation ci-dessous où S (string) correspond au texte saisi et T au temps de saisie.
𝐶𝑃𝑆 = 𝑆
𝑇 (1)
Le CPS est souvent un petit nombre décimal dont au moins les dixièmes et les centièmes sont souvent significatifs. Pour cela, une autre métrique, le WPM (Words Per Minute), est souvent préférée pour faciliter les comparaisons. Elle permet d‟exprimer la vitesse de saisie en termes de nombre de mots entrés par minute. Le WPM est la mesure empirique de performances la plus utilisée dans les travaux sur les entrées de texte. Un mot est défini dans ce contexte comme étant un ensemble de 5 caractères qui peuvent inclure des lettres, des chiffres, des espacements ou tout autre type de caractères. Le WPM est calculé selon l‟équation suivante :
𝑊𝑃𝑀 = 𝑆 ×60𝑇×5 = 𝐶𝑃𝑆 ×605 (2)
Pour plus de précision dans l‟évaluation empirique de la vitesse de saisie, le premier caractère est souvent exclu du calcul. Dans ce cas, le chronométrage de la saisie est déclenché par la saisie du premier caractère et la longueur du texte S considérée est égale à la longueur du texte transcrit moins 1.
Le CPS et le WPM peuvent aussi être approximativement prédites pour une méthode donnée dans un contexte donnée. Dans la suite, nous décrivons les deux modèles prédictifs les plus utilisés.
Métriques d’évaluation de la saisie de texte
2.1.1. Les lois de Fitts et de Hick-Hyman
En se basant sur le théorème de Shannon publié à la fin des années 40 [Shannon, 1948], Fitts a fait plusieurs expériences sur le mouvement entre deux cibles en variant la largeur de ces cibles, la distance entre elles et le dispositif de pointage (voir Figure I-1).
Dans l‟une de ces expériences, les sujets déplaçaient un pointeur en va-et-vient entre deux barres métalliques le plus rapidement possible tout en tapant au centre de chacune [Fitts, 1954]. Ce dispositif expérimental est communément appelé le « Fitts‟ paradigm ».
Dans d‟autres expériences, les sujets ont été invités à déplacer des petits disques ou des épinglettes.
Les résultats obtenus ont permis de mettre en relation l‟amplitude du mouvement, la largeur de la cible et le temps nécessaire pour effectuer le mouvement vers le centre de cette cible comme le montrent les équations suivantes :
𝑀𝑇 =𝐼𝐷
𝐼𝑃 (3) 𝐼𝐷 = 𝑙𝑜𝑔2 2𝐴
𝑊 (4) Où :
IP est l‟index de performance, en d‟autres termes la capacité du système moteur humain,
ID est l‟index de difficulté de la tâche motrice, défini par Fitts,
MT est le temps de mouvement d‟un point de départ jusqu‟au centre de la cible,
A est l‟amplitude du mouvement,
W est la largeur de la cible (dans le sens du mouvement).
Dans les décennies qui ont suivi la publication originale de Fitts, sa loi s'est avérée une des plus robustes. Elle est devenue l‟une des plus citées, et l‟un des modèles les plus largement adoptés parmi ceux qui ont émergé de la psychologie expérimentale. Les études psychomotrices dans divers contextes ont constamment montré une forte corrélation entre l‟indice de difficulté de Fitts et le temps effectivement nécessaire pour effectuer une tâche de mouvement (sous certaines conditions).
Le domaine de l‟Interaction Humain-Machine est particulièrement riche d‟enquêtes sur la performance humaine utilisant la loi de Fitts. Plusieurs travaux ont été menés pour adapter cette loi aux différents types de tâches d‟interaction et plusieurs redéfinitions de l‟index de difficulté ont été proposées. On note essentiellement les recherches menées par MacKenzie durant sa thèse de doctorat qu‟il a soutenue en 1991 et dont le sujet a porté principalement sur la loi de Fitts. Les résultats de ses recherches
Figure I-1. Les expériences menées par Fitts et qui ont donné naissance à sa loi.
ont été publiés plus tard dans [MacKenzie, 1992] et [MacKenzie et Buxton, 1992] où il étudie l‟application de cette loi en deux dimensions, ou encore dans [MacKenzie, 1995] et [Soukoreff et MacKenzie, 1995] où il explique en détail l‟application de la loi de Fitts pour la prédiction de la vitesse de saisie avec un stylet sur un clavier logiciel. La loi de Fitts adaptée prend la forme suivante :
𝑀𝑇𝑖𝑗 =
𝑇𝑀𝑟𝑒𝑝 , 𝑖 = 𝑗 𝑎 + 𝑏 × 𝑙𝑜𝑔2 𝐴𝑖𝑗
𝑊𝑗 + 1 , 𝑖 ≠ 𝑗 (5) Avec :
MTij est le temps de mouvement entre une touche i et une touche j,
MTrep est le temps moyen pour recliquer sur la même touche,
a et b sont des constantes,
Aij est la distance (amplitude) entre le centre de la touche i et celui de la touche j,
Wj est la largeur de la cible dans le sens du mouvement.
Les constantes a et b peuvent prendre différentes valeurs selon le contexte de l‟application de cette loi : le dispositif de pointage, le support et la tâche à effectuer sont les éléments principaux qui affectent ces valeurs. En plus des valeurs obtenues par Fitts lors de ses expériences, plusieurs études ont proposé des valeurs différentes dans des situations différentes. On note notamment les travaux de MacKenzie et ses collègues [MacKenzie et al., 1991] et de Zhai et ses collègues [Zhai et al., 2002b] qui redéfinissent expérimentalement les valeurs des constantes de la loi de Fitts selon le contexte. Dans la suite de ce mémoire, nous utiliserons les valeurs les plus adaptées à notre cas (saisie à stylet avec un clavier logiciel sur dispositif mobile) à savoir : a = 0 et b = 1/4,9.
Le temps pour recliquer sur la même touche dépend aussi du dispositif et plusieurs valeurs ont été déduites expérimentalement dans [Soukoreff et MacKenzie, 1995], [MacKenzie et Zhang, 1999] et dans le mémoire de master de Zhang [Zhang, 1998]. Nous avons choisi d‟utiliser le TMrep donné par Soukoreff et MacKenzie (153 ms) pour la similitude du contexte de leur expérience avec notre travail.
Dans le cas d‟une méthode de saisie à un clic par caractère, le temps de mouvement entre une touche i et une touche j correspond à la saisie du caractère affecté à la touche j.
Le MTij est donc pondéré par la probabilité Pij de succession de la touche i par la touche j ( 𝑃𝑖𝑗 = 1) pour calculer le temps de mouvement moyen 𝑀𝑇 . Le CPS et le WPM peuvent être ensuite calculés selon les équations suivantes :
𝑀𝑇 = 𝑃𝑖𝑗 × 𝑀𝑇𝑖𝑗
𝑖,𝑗 ∈ 𝑡𝑜𝑢𝑐 𝑒𝑠 (6)
𝐶𝑃𝑆 = 1
𝑀𝑇 (7)
Métriques d’évaluation de la saisie de texte
𝑊𝑃𝑀 = 60
5 × 𝑀𝑇 (8)
Cette méthode de prédiction de la vitesse de saisie ne repose que sur le temps de mouvement. Elle donne une estimation maximale de la vitesse qui peut être théoriquement atteinte par un utilisateur suffisamment expérimenté pour la méthode étudiée et donc, qui anticipe et succède les clics les uns après les autres sans interruption. Une autre donnée, appelée « temps de réaction » ou « temps de recherche visuelle », est souvent ajoutée au temps de mouvement pour mieux prédire la vitesse de la saisie. Pour ce faire, la loi de Hick-Hyman est appliquée conjointement avec la loi de Fitts.
Dans ces premières expériences en 1952, Hick a essayé de démontrer que le temps de réaction est proportionnel à la quantité d‟information manipulée [Hick, 1952]. Il a relié 10 lampes à un dispositif qui en allume aléatoirement une à la fois. Les sujets ont été invités à mettre leurs doigts sur 10 boutons pour appuyer le plus rapidement possible sur celui qui correspond à la lampe qui s‟allume (voir Figure I-2).
Les résultats des expériences de Hick ont montré que la relation entre le temps de réaction et le nombre d‟alternatives (items) est logarithmique. En 1953, Hyman a affiné les expériences et a étendu les résultats de Hick [Hyman, 1953] pour obtenir l‟équation ci-dessous. Cette équation n‟est pas la même que celle présentée par Hick mais elle confirme bien que le temps de réaction est proportionnel au nombre d‟informations transmises.
𝑅𝑇 = 𝑎 + 𝑏 × 𝑙𝑜𝑔2 𝑁 (9) Où :
RT est le temps de réaction,
Figure I-2. La première expérience menée par Hick qui a donné naissance à la loi de Hick- Hyman après les travaux de Hyman.
a et b sont des constantes déterminées empiriquement. Contrairement à celles de Fitts, ces constantes n‟ont pas été mises en cause depuis les travaux de Hyman et elles ont été utilisées tel quel, à savoir : a = 0 et b = 1/5 pour une estimation maximale du temps de réaction ou b=1/7 pour une estimation minimale de RT.
N est le nombre d'informations (ou d‟items).
Avec l'extension de Hyman, la loi de Hick a été acceptée par beaucoup comme la loi de Hick-Hyman. Son application avec la loi de Fitts à la saisie de texte donne :
𝐶𝑃𝑆 = 1
𝑀𝑇 + 𝑅𝑇 10 𝑊𝑃𝑀 = 60
5 × 𝑀𝑇 + 𝑅𝑇 (11) 2.1.2. Le Keystroke-Level Model
Après les lois de Fitts et de Hick-Hyman, Le Kestroke-Level Model (KLM), aussi appelé « modèle Keystroke » dans la littérature, est un autre modèle de prédiction de performances très utilisé dans la conception et l‟évaluation des systèmes interactifs.
Proposé par Card en 1980, le KLM est une simplification de GOMS (Goals, Operators, Methods, Selection rules). Par rapport à GOMS, KLM permet d‟observer seulement le temps d‟exécution de la tâche et non le temps total de la réalisation de la tâche. Le temps de réalisation d‟une tâche étant la somme du temps d‟acquisition et du temps d‟exécution.
Le temps d‟acquisition correspond à la construction d‟une représentation mentale de la tâche par l‟utilisateur et le temps d‟exécution correspond à la réalisation « effective » de la tâche [Diaper et Stanton, 2003]1. L‟autre différence principale avec GOMS est que le modèle KLM ne propose pas de choix de méthode : la méthode est unique et fixée.
En comparaison à d'autres modèles, KLM est relativement facile à appliquer pour la construction et l‟évaluation des applications car il se limite seulement aux opérateurs nécessaires pour prédire les performances temporelles de l‟utilisateur. Il décompose l‟interaction en opérations élémentaires qui sont associées à différents opérateurs. La prédiction du temps minimal nécessaire à un utilisateur expérimenté pour effectuer une tâche spécifique peut alors être facilement déduite par la modélisation des sous-tâches dont elle est composée, en additionnant les temps de chaque opérateur.
KLM introduit six opérateurs pour décrire l'exécution d'une tâche élémentaire. Le temps « d'exécution » d'une tâche est donc la somme des temps correspondants à chaque classe d'opérateurs [Card et al., 1980] :
𝑇𝑒𝑥𝑒𝑐𝑢𝑡𝑒 = 𝑇𝐾+ 𝑇𝑃 + 𝑇𝐻+ 𝑇𝐷 + 𝑇𝑀+ 𝑇𝑅 (12)
Un ou plusieurs opérateurs peuvent être ignorés selon le type de tâche évaluée. Les différents opérateurs du modèle KLM dans le cas d‟une interaction classique de type WIMP sont :
K pour Keystroke : Cet opérateur correspond à un clic sur une touche. Le 𝑇𝐾 est estimé entre 0.08 et 1.2 secondes [Card et al., 1980],
1 Pages de 83 à 86.
Métriques d’évaluation de la saisie de texte
P pour Pointing : Cet opérateur représente l'action de déplacer la souris pour pointer le curseur à un endroit désiré sur l'écran. Le temps nécessaire est déterminé par la loi de Fitts. Pour les situations typiques, il va de 0,8 à 1,5 s, avec une moyenne de 1,1 s. Cette moyenne est souvent utilisée au lieu de valeurs plus précises si une grande précision n'est pas recherchée.
H pour Homing : Cet opérateur correspond au repositionnement des mains sur le clavier ou un autre dispositif d‟interaction (par exemple : le passage de la main du clavier à la souris ou vis-versa). Le temps correspondant à cet opérateur est généralement de 0,4 s.
D 𝑛𝐷, 𝑙𝐷 pour Drawing : Cet opérateur correspond au dessin « manuel » d‟une trajectoire de 𝑛𝐷 segments linéaires ayant une longueur totale de 𝑙𝐷 cm. Le temps correspondant est estimé à 0,9 𝑛𝐷+ 0,16 𝑙𝐷.
M pour Mental : Cet opérateur représente la routine de penser ou de réfléchir lors de la tâche interactive. Bien sûr, le temps nécessaire pour effectuer un acte mental dépend des processus cognitifs impliqués. Il peut être très variable d'une situation à une autre et d‟une personne à une autre. Cet opérateur est basé sur le fait que, lorsqu‟un utilisateur expérimenté entre en interaction avec le système dans une tâche courante, des pauses de l‟ordre d‟une seconde sont toujours observés. 𝑇𝑀 est estimé entre 0,6 et 1,35 s. Cette dernière valeur est la plus utilisée.
R pour Response : Cet opérateur correspond au temps de réponse du système. Il est pris en compte seulement s‟il entraîne l‟attente de l‟utilisateur. Il est souvent négligeable dans les applications traditionnelles sur ordinateur de bureau mais moins négligeable sur les dispositifs mobiles [Luo et John, 2005].
On trouve dans la littérature des définitions d‟autres opérateurs pour des cas spécifiques. Ils sont souvent introduits pour simplifier des opérateurs de base de KLM comme l‟opérateur D (par exemple : pour une entrée de texte gestuelle ou analogique, 𝑇𝐷 peut être remplacé par le temps moyen d‟accomplir un geste ou de tracer une lettre avec cette méthode).
Pour appliquer le modèle KLM afin d‟estimer la vitesse de saisie avec une méthode donnée, on peut procéder de la façon suivante :
Définir le ou les scénarios possibles pour saisir un échantillon de texte1,
Lister les tâches correspondantes (de la saisie de texte uniquement) et définir le meilleur scénario pour accomplir chaque tâche (ou le scénario que l‟utilisateur peut naturellement réaliser),
Déterminer les opérateurs KLM physiques en listant les actions élémentaires de niveau « keystroke » (clics, gestes),
Inclure l‟opérateur cognitif et de réponse du système si nécessaire. Ils apparaissent généralement avant et après la saisie de chaque mot,
1 Nous appelons un échantillon de texte, une quantité de texte représentant les caractéristiques linguistiques et statistiques d‟une langue donnée.
Appliquer le temps standard de chaque opérateur et additionner les différents temps - opérateurs,
Diviser la taille de l‟échantillon de texte utilisé par le temps résultant pour obtenir le CPS et en déduire le WPM.
2.2. Métriques liées à l’effort 2.2.1. Le nombre de clics/gestes
L‟une des métriques les plus rapportées dans la littérature de la saisie de texte est le KSPC (KeyStrokes Per Character). Il définit le nombre moyen d‟actions de clic nécessaires pour saisir un caractère avec une méthode donnée.
Comme le WPM, le KSPC peut être déduit expérimentalement ou théoriquement.
Dans le premier cas, le flux d‟actions effectuées pour saisir un échantillon de texte avec une méthode donnée est enregistré. La longueur de ce flux est divisée par la longueur de l‟échantillon de texte selon l‟équation ci-dessous pour déduire le KSPC.
𝐾𝑆𝑃𝐶 = 𝐾𝑒𝑦𝑠𝑡𝑟𝑜𝑘𝑒𝑠
𝑇𝑒𝑥𝑡 (1)
Pour une prédiction théorique du KSPC, il faut définir le nombre de clics nécessaires pour saisir chaque lettre. Si la méthode évaluée permet de saisir les lettres de différentes manières, on considère pour chaque caractère la façon minimale et la façon maximale pour le saisir (en termes de frappes ou « keystrokes ») pour déduire un KSPC minimal et un KSPC maximal. Le KSPC est ensuite calculé par l‟équation suivante qui tient compte des fréquences des lettres dans une langue donnée :
𝐾𝑆𝑃𝐶 = 𝐹𝑐× 𝐾𝑐
𝐹𝑐 2 Avec :
c représente un caractère (notamment une lettre) de l‟alphabet utilisé,
Fc est la fréquence d‟un caractère c dans la langue,
Kc est le nombre de « Keystrokes » nécessaires pour saisir ce caractère.
En utilisant les probabilités d‟apparition des lettres dans la langue, l‟équation précédente devient :
𝐾𝑆𝑃𝐶 = 𝑃𝑐× 𝐾𝑐 𝑎𝑣𝑒𝑐 ∶ 𝑃𝑐= 1 (3)
On peut aussi calculer le KSPC à partir des fréquences des mots quand le nombre de frappes dépend du mot ou à partir des fréquences de digrammes si la saisie d‟un caractère dépend de celui qui le précède [MacKenzie, 2002].
Une autre mesure de performances similaire au KSPC est le GPC (Gesture Per Character). Cette métrique est souvent utilisée dans les cas d‟entrées gestuelles comme Graffiti™ ou EdgeWrite™ [Wobbrock et al., 2003]. C‟est une extension du KSPC et il peut être calculé de la même manière. Le problème avec cette mesure est la définition même d‟un geste. Wobbrock définit un geste comme « toute action atomique effectuée au
